• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于粒子群-支持向量機(jī)(PSO-SVM)的苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)

    2020-05-26 04:39:00程云芳
    火災(zāi)科學(xué) 2020年3期
    關(guān)鍵詞:儲(chǔ)罐種群權(quán)重

    程云芳,邱 榕

    (中國科學(xué)技術(shù)大學(xué)火災(zāi)科學(xué)國家重點(diǎn)實(shí)驗(yàn)室,合肥,230026)

    0 引言

    苯是種常見的有毒危險(xiǎn)化學(xué)品,被廣泛應(yīng)用于各種工業(yè)場(chǎng)所[1]。一旦苯儲(chǔ)罐發(fā)生泄漏事故,若未采取對(duì)應(yīng)預(yù)防應(yīng)急措施,會(huì)對(duì)人們的生命、財(cái)產(chǎn)、環(huán)境等帶來嚴(yán)重傷害。有必要在事故發(fā)生前,對(duì)苯儲(chǔ)罐泄漏事故進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)減少苯儲(chǔ)罐泄漏事故的發(fā)生。

    目前眾多學(xué)者已對(duì)苯儲(chǔ)罐泄漏事故的風(fēng)險(xiǎn)預(yù)測(cè)進(jìn)行了大量研究,并提出多種評(píng)價(jià)方法[2],如事故樹分析法、層次分析法、灰色理論法、模糊綜合評(píng)價(jià)法、事故后果模擬等,這些方法主要通過定性、定量相結(jié)合的方式,找到苯儲(chǔ)罐泄漏事故中潛在的致險(xiǎn)因素。但由于苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)評(píng)價(jià)是一個(gè)動(dòng)態(tài)過程,當(dāng)其中某些潛在危險(xiǎn)因素變化時(shí),這些評(píng)價(jià)方法不能迅速調(diào)整,難以在事發(fā)前預(yù)測(cè)苯儲(chǔ)罐泄漏事故的風(fēng)險(xiǎn)程度,極大影響評(píng)價(jià)效率。而支持向量機(jī)SVM是種機(jī)器學(xué)習(xí)算法,能進(jìn)行快速計(jì)算,并且在處理非線性、小樣本等問題具有獨(dú)特優(yōu)勢(shì)[3]。因此,我們提出將SVM模型運(yùn)用于事故前苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)。為使其模型性能最優(yōu),我們采用全局優(yōu)化算法粒子群(PSO)優(yōu)化SVM模型參數(shù),建立PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型。在進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)過程中,首先通過建立預(yù)測(cè)指標(biāo)體系、確定指標(biāo)權(quán)重獲取預(yù)測(cè)樣本數(shù)據(jù)。為驗(yàn)證PSO-SVM模型風(fēng)險(xiǎn)預(yù)測(cè)性能,我們分別采用遺傳算法(GA)和網(wǎng)格搜索法(GS)優(yōu)化SVM參數(shù),并比較測(cè)試集與PSO-SVM、GA-SVM、GS-SVM三種模型預(yù)測(cè)結(jié)果的均方誤差及相關(guān)系數(shù),然后進(jìn)一步探討了PSO-SVM中權(quán)重調(diào)整方式、種群規(guī)模對(duì)模型預(yù)測(cè)性能的影響。研究發(fā)現(xiàn)權(quán)重線性遞減所建PSO-SVM模型預(yù)測(cè)值與測(cè)試集相關(guān)系數(shù)更高、均方誤差更小、預(yù)測(cè)效果更好。

    1 獲取風(fēng)險(xiǎn)預(yù)測(cè)樣本數(shù)據(jù)

    1.1 建立風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系

    引發(fā)苯儲(chǔ)罐泄漏事故的危險(xiǎn)源是各不同系統(tǒng)的危險(xiǎn)因素所組成的復(fù)雜系統(tǒng),為合理有針對(duì)性地預(yù)測(cè)苯儲(chǔ)罐泄漏事故的各潛在風(fēng)險(xiǎn),建立的苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系必須科學(xué)地、全面地分析各指標(biāo)和系統(tǒng)之間的關(guān)系、及各指標(biāo)內(nèi)在的相互關(guān)系。因此所有指標(biāo)選取,必須嚴(yán)格遵循獨(dú)立性、科學(xué)性、可操作性和動(dòng)態(tài)性原則[4]。

    通過調(diào)研目前國內(nèi)外的苯儲(chǔ)罐泄漏事故,結(jié)合事故致因理論、危險(xiǎn)源理論,可從人機(jī)環(huán)管四方面將苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系,劃分為4個(gè)一級(jí)指標(biāo)和14個(gè)二級(jí)指標(biāo),如圖1所示。

    圖1 苯儲(chǔ)罐泄漏風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系

    1.2 明確指標(biāo)權(quán)重

    本文采用層次分析法確定上述14個(gè)苯儲(chǔ)罐泄漏事故二級(jí)指標(biāo)的權(quán)重值,層次分析法是一種可將復(fù)雜因素定性判斷問題轉(zhuǎn)化為定量計(jì)算各因素權(quán)重值的方法,最早在上世紀(jì)70年代由Saaty[5]提出,可有效決策、判斷各種復(fù)雜問題的主要影響因素。

    層次分析法通過構(gòu)造判斷矩陣,然后對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn),來明確各指標(biāo)的權(quán)重值。此次苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系構(gòu)造的判斷矩陣,是通過問卷調(diào)查形式,由5位專家結(jié)合自身經(jīng)驗(yàn)和專業(yè)能力,采用數(shù)字1~9為標(biāo)度,對(duì)所有指標(biāo)進(jìn)行兩兩比較,再進(jìn)行打分而確定。其中標(biāo)度1~9所對(duì)應(yīng)的各含義,如表1所示。

    表1 標(biāo)度含義

    采用MATLAB軟件對(duì)各指標(biāo)因素的最大特征值λmax、一致性比率、權(quán)重值分別進(jìn)行計(jì)算,然后進(jìn)行判斷矩陣一致性檢驗(yàn),計(jì)算結(jié)果分別如表2~表6和圖2、圖3所示。

    表2 一級(jí)指標(biāo)判斷矩陣和一致性檢驗(yàn)

    表3 人員因素的判斷矩陣和一致性檢驗(yàn)

    表4 設(shè)備因素的判斷矩陣和一致性檢驗(yàn)

    表5 管理因素的判斷矩陣和一致性檢驗(yàn)

    表6 環(huán)境因素的判斷矩陣和一致性檢驗(yàn)

    圖2 苯儲(chǔ)罐風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系一級(jí)指標(biāo)權(quán)重值

    圖3 苯儲(chǔ)罐風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)體系二級(jí)指標(biāo)權(quán)重值

    1.3 計(jì)算樣本數(shù)據(jù)

    為形成苯儲(chǔ)罐泄漏事故樣本數(shù)據(jù),本文將上述苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)體系中所有指標(biāo)的參數(shù)值,根據(jù)不同風(fēng)險(xiǎn)程度,采用滿分制將其依次劃分成5個(gè)級(jí)別,依次為:危險(xiǎn)性非常高(0,20],危險(xiǎn)性比較高(20,40],危險(xiǎn)性一般(40,60],危險(xiǎn)性比較低(60,80],危險(xiǎn)性非常低(80,100]。并利用軟件 MATLAB在5個(gè)不同風(fēng)險(xiǎn)等級(jí)區(qū)間內(nèi)各隨機(jī)生成4組數(shù)據(jù),共隨機(jī)生成20組不同風(fēng)險(xiǎn)程度的評(píng)語集數(shù)據(jù)。根據(jù)1.2,可知預(yù)測(cè)指標(biāo)體系所有指標(biāo)權(quán)重值wi,再結(jié)合公式(1),可得出20組不同隨機(jī)數(shù)據(jù)依次所對(duì)應(yīng)的苯泄漏事故風(fēng)險(xiǎn)程度值,計(jì)算如(1)所示。

    (1)

    式中,Si為第i組數(shù)據(jù)得到的苯泄漏事故風(fēng)險(xiǎn)程度值;wi為第i個(gè)指標(biāo)權(quán)重值;aji表示j組數(shù)據(jù)第i個(gè)指標(biāo)的風(fēng)險(xiǎn)程度值。

    為進(jìn)一步預(yù)估苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)值,我們將上述20組隨機(jī)數(shù)據(jù)和其一一對(duì)應(yīng)的苯泄漏事故的風(fēng)險(xiǎn)程度值,作為風(fēng)險(xiǎn)預(yù)測(cè)模型樣本數(shù)據(jù),如表7所示。同時(shí)將樣本數(shù)據(jù)按3∶1原則,依次劃分為訓(xùn)練集數(shù)據(jù)、測(cè)試集數(shù)據(jù)。則樣本數(shù)據(jù)前面15組為訓(xùn)練集數(shù)據(jù),主要用于訓(xùn)練PSO-SVM模型;樣本數(shù)據(jù)后面5組為測(cè)試集數(shù)據(jù),用于檢驗(yàn)PSO-SVM模型性能。最后將PSO-SVM預(yù)測(cè)模型所需要的樣本數(shù)據(jù)存入EXCEL中,在進(jìn)行PSO-SVM模型訓(xùn)練時(shí),利用MATLAB依次讀取EXCEL所存入的樣本數(shù)據(jù)。

    表7 苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)模型的樣本數(shù)據(jù)

    2 建立苯儲(chǔ)罐泄漏風(fēng)險(xiǎn)預(yù)測(cè)模型

    2.1 建立粒子群-支持向量機(jī)(PSO-SVM)模型

    支持向量機(jī)作為機(jī)器學(xué)習(xí)算法,在處理非線性關(guān)系方面擁有獨(dú)特的優(yōu)勢(shì)。通過非線性映射可將復(fù)雜非線性問題轉(zhuǎn)化成高維空間中的線性回歸問題,能夠快速地對(duì)多因素間復(fù)雜關(guān)系進(jìn)行學(xué)習(xí)分析[6]。支持向量機(jī)(SVM)回歸預(yù)測(cè)模型的本質(zhì)就是根據(jù)有限的樣本數(shù)據(jù),考慮每個(gè)輸入和輸出樣本之間復(fù)雜交叉關(guān)系,尋找到它們之間的最優(yōu)關(guān)系,并對(duì)測(cè)試集中的輸入樣本給出合理的輸出,其結(jié)構(gòu)示意圖如圖4所示。

    圖4 SVM結(jié)構(gòu)示意圖

    SVM回歸函數(shù)可表示如下:

    Y=w.φ(Ai)+b

    (2)

    式(2)中w為權(quán)值向量,b為偏差,A是輸入樣本數(shù)據(jù)集,Y為預(yù)測(cè)值。其中A={x1,x2,…,xi;y1,y2,…,i=1,2,3,…},x1,x2,…xi和y1,y2,…,均為樣本輸入量。

    對(duì)非線性問題,引入核函數(shù)K(z,zi),通過非線性映射φ(Ai),將輸入空間轉(zhuǎn)化為高維空間,非線性問題變?yōu)榫€性問題,則優(yōu)化的目標(biāo)函數(shù)表示為:

    (3)

    利用拉格朗日乘子和對(duì)偶原理求解上式的ω,則有:

    (4)

    得到最終的回歸函數(shù)為:

    (5)

    為使SVM模型預(yù)測(cè)性能最優(yōu),我們需要對(duì)其內(nèi)部參數(shù)懲罰因子C、核函數(shù)參數(shù)g進(jìn)行優(yōu)化[7]。粒子群(PSO)種全局優(yōu)化算法,主要通過種群粒子之間的競爭、合作共同實(shí)現(xiàn)種群進(jìn)化[8]。我們采用PSO對(duì)SVM模型的懲罰因子C和核參數(shù)g進(jìn)行參數(shù)尋優(yōu),構(gòu)建PSO-SVM模型示意圖如圖5所示,主要步驟如下:

    (1) 將樣本數(shù)據(jù)分為訓(xùn)練、測(cè)試兩大類,然后歸一化處理所有樣本數(shù)據(jù);

    (2) 使用粒子群算法優(yōu)化種群參數(shù),同時(shí)設(shè)置種群規(guī)模、慣性權(quán)重因子、迭代次數(shù)等各項(xiàng)參數(shù);

    (3) 計(jì)算粒子適應(yīng)度值,然后更新粒子速度、位置等參數(shù)。粒子適應(yīng)度值越小,代表此時(shí)粒子位置最優(yōu);

    (4) 判斷最優(yōu)參數(shù)的結(jié)束條件,主要看迭代次數(shù)能否滿足設(shè)定值或適應(yīng)度值是否達(dá)到設(shè)定數(shù)值,若達(dá)到,優(yōu)化算法結(jié)束;否則,參數(shù)優(yōu)化繼續(xù);

    (5) 將尋找到的最優(yōu)參數(shù)C、g分別代回SVM回歸模型,然后訓(xùn)練樣本數(shù)據(jù);

    (6) 通過測(cè)試集數(shù)據(jù)測(cè)試PSO-SVM回歸預(yù)測(cè)性能,如果預(yù)測(cè)值符合設(shè)定要求,輸出預(yù)測(cè)數(shù)值;否則,持續(xù)優(yōu)化參數(shù)C、g,至預(yù)測(cè)數(shù)值符合設(shè)定值。

    圖5 PSO-SVM模型示意圖

    2.2 確定苯儲(chǔ)罐泄漏風(fēng)險(xiǎn)預(yù)測(cè)模型的輸入與輸出

    我們將模型的輸入變量確定為上述苯儲(chǔ)罐泄漏的主要風(fēng)險(xiǎn)因素,并將各隨機(jī)數(shù)據(jù)所對(duì)應(yīng)的風(fēng)險(xiǎn)數(shù)值確定為模型輸出量,建立PSO-SVM苯泄漏風(fēng)險(xiǎn)預(yù)測(cè)模型,如圖6所示。在計(jì)算前,我們歸一化處理預(yù)測(cè)模型的樣本數(shù)據(jù),同時(shí)將樣本數(shù)據(jù)限制在[0,1]之間。

    圖6 苯儲(chǔ)罐泄漏風(fēng)險(xiǎn)預(yù)測(cè)模型的輸入與輸出

    2.3 尋優(yōu)過程參數(shù)設(shè)置

    在采用PSO-SVM模型進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)時(shí),選用默認(rèn)的RBF核函數(shù),并依次設(shè)置算法參數(shù)值。終止迭代次數(shù)設(shè)置為200,種群規(guī)模數(shù)量設(shè)置為20,學(xué)習(xí)因子c1設(shè)置為1.5,c2設(shè)置為1.7,懲罰因子C設(shè)置為區(qū)間(2-8,28),權(quán)重值w設(shè)置為1,核函數(shù)參數(shù)g∈(2-8,28),其他設(shè)置為默認(rèn)值。為驗(yàn)證基于PSO-SVM的苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)模型性能,分別建立GS-SVM、GA-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型,依次采用網(wǎng)格搜索法GS、遺傳算法GA優(yōu)化SVM模型參數(shù)。GS-SVM模型參數(shù)尋優(yōu)中,最小步長設(shè)為0.8,其余參數(shù)和PSO-SVM模型一致。GA-SVM模型參數(shù)尋優(yōu)中,參數(shù)和PSO-SVM模型參數(shù)設(shè)置一致。

    3 分析預(yù)測(cè)結(jié)果

    依次采用PSO-SVM、GS-SVM、GA-SVM三種風(fēng)險(xiǎn)預(yù)測(cè)模型,在MATLAB平臺(tái)上訓(xùn)練20組苯儲(chǔ)罐泄漏事故樣本數(shù)據(jù)。種群粒子通過迭代進(jìn)化得到最優(yōu)粒子,最優(yōu)粒子所對(duì)應(yīng)的最佳適應(yīng)度值即為所尋最佳參數(shù)C、g的數(shù)值。在種群粒子迭代進(jìn)化中,設(shè)置最佳適應(yīng)度值為樣本數(shù)據(jù)交叉驗(yàn)證均方差值。三種風(fēng)險(xiǎn)預(yù)測(cè)模型的參數(shù)優(yōu)化結(jié)果,分別如圖7~圖9所示。

    圖7 PSO-SVM參數(shù)優(yōu)化結(jié)果

    圖8 GA-SVM參數(shù)優(yōu)化結(jié)果

    圖9 GS-SVM參數(shù)優(yōu)化結(jié)果

    從圖7~圖9可知,PSO-SVM模型參數(shù)優(yōu)化過程中,粒子迅速迭代得到最佳適應(yīng)度值,并長時(shí)間穩(wěn)定,此時(shí)尋找到最佳參數(shù)C、g值依次為5.271、0.01,最小交叉驗(yàn)證均方差值7.0796E-05。GS-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行參數(shù)優(yōu)化過程時(shí),得到最小交叉驗(yàn)證均方差值5.4434e-05,此時(shí)的最佳位置BestC=0.125,Bestg=256。GA-SVM模型參數(shù)優(yōu)化過程中,種群粒子經(jīng)過53次迭代后,得到最佳適應(yīng)度值,此時(shí)相對(duì)應(yīng)的最佳參數(shù)C、g數(shù)值依次為47.866、0.028。比較三種預(yù)測(cè)模型的適應(yīng)能力,可知PSO-SVM預(yù)測(cè)模型的適應(yīng)度值最小,則適應(yīng)能力最好。三種預(yù)測(cè)模型優(yōu)化得到的最優(yōu)參數(shù)C、g數(shù)值,依次代入各模型進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。預(yù)測(cè)過程中,三種模型分別訓(xùn)練前15組樣本數(shù)據(jù),通過訓(xùn)練形成回歸預(yù)測(cè)模型,然后對(duì)后5組(編號(hào)16~編號(hào)20)樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)。三種模型的回歸預(yù)測(cè)結(jié)果如表8所示,三種模型預(yù)測(cè)結(jié)果效果圖如圖10所示。

    表8 三種模型預(yù)測(cè)風(fēng)險(xiǎn)值與計(jì)算值對(duì)比

    圖10 三種預(yù)測(cè)模型風(fēng)險(xiǎn)預(yù)測(cè)效果圖

    由表8、圖10可以得知:

    PSO-SVM模型預(yù)測(cè)效果最好,回歸預(yù)測(cè)的風(fēng)險(xiǎn)值與測(cè)試樣本數(shù)據(jù)最吻合;GA-SVM模型回歸預(yù)測(cè)的風(fēng)險(xiǎn)值趨勢(shì)和測(cè)試樣本數(shù)據(jù)基本一致,但預(yù)測(cè)風(fēng)險(xiǎn)值偏差要高于PSO-SVM模型;GS-SVM模型回歸預(yù)測(cè)的風(fēng)險(xiǎn)值趨勢(shì)完全不同于測(cè)試樣本數(shù)據(jù),預(yù)測(cè)效果最差。

    GS-SVM模型中,預(yù)測(cè)的4組風(fēng)險(xiǎn)值基本一致,且存在較大偏差,說明GS-SVM模型具備較差泛化能力,不能根據(jù)測(cè)試樣本數(shù)據(jù)的輸入給出合理輸出,主要原因可能為:網(wǎng)格搜索法最優(yōu)參數(shù)尋找過程中,沒有搜索到種群最佳位置,尋找到的參數(shù)并非最佳解,從而構(gòu)建的GS-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型存在一定偏差。

    為進(jìn)一步表征PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型的性能,依次計(jì)算了三種模型的均方誤差MSE值、線性相關(guān)系數(shù)R2,計(jì)算結(jié)果如表9所示。

    表9 三種預(yù)測(cè)模型MSE和R2對(duì)比

    由表9可知:三種模型中,PSO-SVM模型預(yù)測(cè)的風(fēng)險(xiǎn)值與樣本數(shù)據(jù)的相關(guān)系數(shù)達(dá)到0.996 0,相關(guān)性最高,同時(shí)PSO-SVM模型的最小MSE值為0.000 579 641,說明PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型的性能最好。

    4 預(yù)測(cè)結(jié)果討論

    由上述預(yù)測(cè)結(jié)果,可知PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型性能最優(yōu),可適用于苯儲(chǔ)罐泄漏事故的風(fēng)險(xiǎn)預(yù)測(cè)。但其他參數(shù)如權(quán)重值、種群規(guī)模也可能會(huì)影響 PSO-SVM模型的風(fēng)險(xiǎn)預(yù)測(cè)值,下面將重點(diǎn)進(jìn)行討論。

    4.1 權(quán)重值對(duì)PSO-SVM預(yù)測(cè)結(jié)果的影響

    權(quán)重值會(huì)影響粒子群PSO算法的優(yōu)化性能,常用的權(quán)重調(diào)整方式為權(quán)重線性遞減、權(quán)重隨機(jī)分布和權(quán)重自適應(yīng)這三種[9]。為驗(yàn)證權(quán)重值的影響,依次建立三種權(quán)重調(diào)整方式的PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型,計(jì)算中將最小權(quán)重值設(shè)置為0.4,最大權(quán)重值設(shè)置為0.9。三種權(quán)重調(diào)整方式和權(quán)重為常數(shù)所建PSO-SVM模型的風(fēng)險(xiǎn)預(yù)測(cè)效果,如圖11所示。

    圖11 不同權(quán)重調(diào)整方式對(duì)預(yù)測(cè)結(jié)果影響

    由圖11可知:四種模型所預(yù)測(cè)的風(fēng)險(xiǎn)值趨勢(shì)和測(cè)試樣本數(shù)據(jù)基本相同,但權(quán)重線性遞減所建PSO-SVM模型預(yù)測(cè)效果更好,所預(yù)測(cè)的4組風(fēng)險(xiǎn)值和樣本數(shù)據(jù)最吻合。因此,建立PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型時(shí),優(yōu)先將權(quán)重值設(shè)置為線性遞減方式,以實(shí)現(xiàn)預(yù)測(cè)效果最優(yōu)。

    4.2 種群規(guī)模對(duì)PSO-SVM預(yù)測(cè)結(jié)果的影響

    種群規(guī)模會(huì)影響粒子群算法的優(yōu)化效率[10],因此分別討論了1~20的種群規(guī)模對(duì)PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型的影響,計(jì)算結(jié)果分別如表10、圖12所示。

    表10 不同種群數(shù)量預(yù)測(cè)風(fēng)險(xiǎn)值的MSE、R2對(duì)比

    圖12 不同種群數(shù)量的時(shí)間消耗

    由表10、圖12可知:不同種群規(guī)模的PSO-SVM模型不影響最終所預(yù)測(cè)的風(fēng)險(xiǎn)值,所預(yù)測(cè)的風(fēng)險(xiǎn)值的相關(guān)系數(shù)、均方差完全一致;然而,種群規(guī)模會(huì)影響PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型的計(jì)算時(shí)間。種群規(guī)模為1時(shí),計(jì)算時(shí)間較種群規(guī)模為2~4之間所用時(shí)間多;種群規(guī)模為2~20時(shí),隨著種群規(guī)模變大,計(jì)算時(shí)間也明顯增多。這說明種群規(guī)模過大計(jì)算用時(shí)會(huì)增多,種群規(guī)模較小計(jì)算用時(shí)也會(huì)較長,可能是由于種群規(guī)模較小,參數(shù)尋優(yōu)過程不易搜索到種群最優(yōu)解,從而使得計(jì)算用時(shí)較久。因此采用PSO-SVM模型進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)時(shí),需要進(jìn)行多次計(jì)算,選擇最佳種群規(guī)模,以達(dá)預(yù)測(cè)模型效果最優(yōu)。

    5 結(jié)論

    采用粒子群-支持向量機(jī)(PSO-SVM)模型進(jìn)行苯儲(chǔ)罐泄漏事故的風(fēng)險(xiǎn)預(yù)測(cè)。首先通過建立預(yù)測(cè)指標(biāo)體系、確定指標(biāo)權(quán)重獲取預(yù)測(cè)樣本數(shù)據(jù)。其次通過確定苯儲(chǔ)罐泄漏事故風(fēng)險(xiǎn)預(yù)測(cè)的輸入、輸出量,建立了基于粒子群-支持向量機(jī)(PSO-SVM)的風(fēng)險(xiǎn)預(yù)測(cè)模型。

    為驗(yàn)證PSO-SVM模型風(fēng)險(xiǎn)預(yù)測(cè)性能,分別對(duì)比了PSO-SVM、GS-SVM、GA-SVM三種預(yù)測(cè)模型的風(fēng)險(xiǎn)預(yù)測(cè)值、相關(guān)系數(shù)及均方誤差,發(fā)現(xiàn)PSO-SVM預(yù)測(cè)模型的相關(guān)系數(shù)最高、均方差最小,說明PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型效果最好,這為苯儲(chǔ)罐泄漏事故的風(fēng)險(xiǎn)預(yù)測(cè)提供了新的方法。

    最后進(jìn)一步探討了PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型中權(quán)重調(diào)整方式、種群規(guī)模對(duì)模型預(yù)測(cè)性能的影響。發(fā)現(xiàn)權(quán)重線性遞減所建PSO-SVM預(yù)測(cè)值與測(cè)試樣本數(shù)據(jù)最吻合,預(yù)測(cè)效果最好;種群規(guī)模不會(huì)影響PSO-SVM風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)值,然而會(huì)影響預(yù)測(cè)過程的計(jì)算時(shí)間,種群規(guī)模過大或者過小都會(huì)影響計(jì)算時(shí)間,需要經(jīng)過多次計(jì)算選擇恰當(dāng)種群規(guī)模數(shù)量。

    猜你喜歡
    儲(chǔ)罐種群權(quán)重
    邢氏水蕨成功繁衍并建立種群 等
    儲(chǔ)罐里的光
    山西省發(fā)現(xiàn)刺五加種群分布
    大型LNG儲(chǔ)罐珍珠巖在線填充技術(shù)實(shí)踐
    煤氣與熱力(2022年4期)2022-05-23 12:44:58
    基于地震響應(yīng)分析的大型LNG全容式儲(chǔ)罐儲(chǔ)罐基礎(chǔ)方案設(shè)計(jì)
    權(quán)重常思“浮名輕”
    為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
    基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
    一生清廉
    —— 儲(chǔ)罐
    層次分析法權(quán)重的計(jì)算:基于Lingo的數(shù)學(xué)模型
    河南科技(2014年15期)2014-02-27 14:12:51
    欧美日韩精品成人综合77777| 国产高清有码在线观看视频| 亚洲人与动物交配视频| 观看免费一级毛片| 亚洲最大成人中文| 2021天堂中文幕一二区在线观| 亚洲熟妇中文字幕五十中出| 午夜福利视频1000在线观看| 啦啦啦观看免费观看视频高清| 久久久久久久久久成人| 亚洲国产精品sss在线观看| 亚洲18禁久久av| 一边摸一边抽搐一进一小说| 国产亚洲av片在线观看秒播厂 | 天堂网av新在线| 色综合色国产| 久久99热这里只有精品18| 精品免费久久久久久久清纯| 免费黄网站久久成人精品| 尾随美女入室| 国产av在哪里看| 亚洲最大成人中文| 国产激情偷乱视频一区二区| 久久精品人妻少妇| 色哟哟·www| 一区二区三区乱码不卡18| 精品99又大又爽又粗少妇毛片| 国产伦一二天堂av在线观看| eeuss影院久久| 亚洲av一区综合| 国产成人aa在线观看| 青春草视频在线免费观看| 国语自产精品视频在线第100页| 2021天堂中文幕一二区在线观| 精品久久久久久电影网 | 国产单亲对白刺激| 亚洲欧美精品综合久久99| 尤物成人国产欧美一区二区三区| 国产 一区 欧美 日韩| 联通29元200g的流量卡| 国产伦一二天堂av在线观看| 人体艺术视频欧美日本| 又粗又爽又猛毛片免费看| 美女大奶头视频| 最近最新中文字幕免费大全7| 久久久久久大精品| 亚洲精品影视一区二区三区av| 51国产日韩欧美| 亚洲美女搞黄在线观看| 一级毛片aaaaaa免费看小| 天天一区二区日本电影三级| 精品熟女少妇av免费看| 亚洲av成人av| 一级毛片我不卡| 国产在视频线在精品| 成人亚洲欧美一区二区av| 午夜a级毛片| 一个人观看的视频www高清免费观看| 午夜福利成人在线免费观看| 精品国产一区二区三区久久久樱花 | 黄片wwwwww| 国产高清有码在线观看视频| 亚洲精品乱码久久久v下载方式| 国产黄片美女视频| 国产成人免费观看mmmm| 国产片特级美女逼逼视频| 亚洲av成人精品一区久久| 国产午夜福利久久久久久| 国产一区二区三区av在线| 日本免费a在线| 成年免费大片在线观看| 国语自产精品视频在线第100页| 精品久久久久久电影网 | 亚洲国产高清在线一区二区三| 久久久久久久久大av| 一边摸一边抽搐一进一小说| 99久久精品一区二区三区| 在线观看av片永久免费下载| 青青草视频在线视频观看| 成人鲁丝片一二三区免费| 欧美激情国产日韩精品一区| 精品一区二区免费观看| 国产片特级美女逼逼视频| 天堂av国产一区二区熟女人妻| 欧美精品一区二区大全| 国产一区亚洲一区在线观看| 热99re8久久精品国产| 国产精品人妻久久久久久| 又粗又爽又猛毛片免费看| 国产精品爽爽va在线观看网站| 麻豆乱淫一区二区| 久久久久久久久久成人| 亚洲av男天堂| 亚洲aⅴ乱码一区二区在线播放| 亚洲美女搞黄在线观看| 我的老师免费观看完整版| 麻豆国产97在线/欧美| 国产淫片久久久久久久久| 免费一级毛片在线播放高清视频| 久久99蜜桃精品久久| 美女脱内裤让男人舔精品视频| kizo精华| 精华霜和精华液先用哪个| 嫩草影院新地址| 免费黄色在线免费观看| 国产乱来视频区| 日韩三级伦理在线观看| 九九热线精品视视频播放| 一边摸一边抽搐一进一小说| 99热这里只有是精品在线观看| 直男gayav资源| 成人美女网站在线观看视频| 伦精品一区二区三区| 国产精品一区二区三区四区免费观看| 人体艺术视频欧美日本| 精品人妻偷拍中文字幕| 日韩三级伦理在线观看| 成人av在线播放网站| 亚洲av电影不卡..在线观看| 免费人成在线观看视频色| 国产精品一区二区在线观看99 | 亚洲不卡免费看| 午夜免费男女啪啪视频观看| 国产熟女欧美一区二区| 日本色播在线视频| 青青草视频在线视频观看| 99在线视频只有这里精品首页| 欧美成人免费av一区二区三区| 搞女人的毛片| 日本与韩国留学比较| 成人漫画全彩无遮挡| 亚洲高清免费不卡视频| 精品人妻一区二区三区麻豆| 伊人久久精品亚洲午夜| 村上凉子中文字幕在线| 亚洲av男天堂| 少妇猛男粗大的猛烈进出视频 | 深夜a级毛片| 色哟哟·www| 日韩亚洲欧美综合| 一级爰片在线观看| 国产免费一级a男人的天堂| 3wmmmm亚洲av在线观看| 国产免费视频播放在线视频 | 日韩视频在线欧美| 熟妇人妻久久中文字幕3abv| 蜜臀久久99精品久久宅男| 久久久久久久久久黄片| 国产精品av视频在线免费观看| 丰满人妻一区二区三区视频av| 国产精品,欧美在线| 男女国产视频网站| 午夜精品在线福利| 久久精品国产鲁丝片午夜精品| 亚洲,欧美,日韩| 国产乱人视频| 欧美精品国产亚洲| 午夜日本视频在线| 国产一区亚洲一区在线观看| 好男人视频免费观看在线| 一本一本综合久久| 高清在线视频一区二区三区 | 亚洲av.av天堂| 好男人视频免费观看在线| 国产淫语在线视频| 亚洲欧美成人综合另类久久久 | 日韩欧美精品v在线| 美女内射精品一级片tv| 联通29元200g的流量卡| 亚洲av成人精品一二三区| 欧美色视频一区免费| av在线亚洲专区| 久久婷婷人人爽人人干人人爱| 久久午夜福利片| 亚洲精品乱码久久久v下载方式| 我的老师免费观看完整版| 少妇裸体淫交视频免费看高清| 日韩欧美国产在线观看| 久久国产乱子免费精品| 亚洲最大成人手机在线| 成人高潮视频无遮挡免费网站| 七月丁香在线播放| 欧美丝袜亚洲另类| 在线看a的网站| 天堂8中文在线网| 97在线人人人人妻| 欧美日韩视频精品一区| 日韩 亚洲 欧美在线| 精品视频人人做人人爽| 久久这里只有精品19| 亚洲国产精品成人久久小说| 久久久久久久久久人人人人人人| 黄色怎么调成土黄色| 日日啪夜夜爽| 大香蕉久久成人网| a级毛片黄视频| 不卡视频在线观看欧美| 夫妻午夜视频| 精品人妻一区二区三区麻豆| av免费观看日本| 最近手机中文字幕大全| 伦理电影大哥的女人| 国产一区亚洲一区在线观看| 国产69精品久久久久777片| 99国产综合亚洲精品| av天堂久久9| 伊人久久国产一区二区| 午夜av观看不卡| 一本久久精品| 少妇高潮的动态图| 免费大片18禁| 国产午夜精品一二区理论片| 免费不卡的大黄色大毛片视频在线观看| 青春草国产在线视频| 香蕉丝袜av| 黑人欧美特级aaaaaa片| 成人综合一区亚洲| 国产精品秋霞免费鲁丝片| 97人妻天天添夜夜摸| 久久久国产精品麻豆| 97在线视频观看| 自线自在国产av| 91午夜精品亚洲一区二区三区| 热re99久久国产66热| 成人午夜精彩视频在线观看| 久久精品久久久久久噜噜老黄| 国产精品一区www在线观看| 国产成人精品福利久久| 亚洲情色 制服丝袜| 免费黄频网站在线观看国产| 亚洲欧洲国产日韩| 婷婷成人精品国产| freevideosex欧美| 女性被躁到高潮视频| 看免费成人av毛片| 国产精品欧美亚洲77777| 丝瓜视频免费看黄片| 男女边摸边吃奶| 性色avwww在线观看| 亚洲性久久影院| 亚洲国产欧美在线一区| av黄色大香蕉| 26uuu在线亚洲综合色| 最近的中文字幕免费完整| 99精国产麻豆久久婷婷| 啦啦啦视频在线资源免费观看| 久久这里有精品视频免费| 日本wwww免费看| 国产 精品1| 亚洲av电影在线进入| 久久热在线av| 免费看不卡的av| 18禁裸乳无遮挡动漫免费视频| 亚洲精品中文字幕在线视频| 国产极品天堂在线| 熟女人妻精品中文字幕| 永久免费av网站大全| 国产免费视频播放在线视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 少妇的丰满在线观看| 婷婷色av中文字幕| 男女下面插进去视频免费观看 | 母亲3免费完整高清在线观看 | 最近2019中文字幕mv第一页| 一级爰片在线观看| 欧美老熟妇乱子伦牲交| 国产亚洲午夜精品一区二区久久| 精品亚洲成国产av| 亚洲欧洲国产日韩| 纯流量卡能插随身wifi吗| 亚洲精品日韩在线中文字幕| 黄色视频在线播放观看不卡| 亚洲av日韩在线播放| 美女福利国产在线| 国产一区二区激情短视频 | 久久久精品区二区三区| 国产黄色免费在线视频| 国产精品熟女久久久久浪| 岛国毛片在线播放| 免费观看性生交大片5| 80岁老熟妇乱子伦牲交| 国产男女内射视频| 精品视频人人做人人爽| 亚洲av.av天堂| 纯流量卡能插随身wifi吗| 免费高清在线观看视频在线观看| 51国产日韩欧美| 永久网站在线| 亚洲精品国产av成人精品| 国产在线免费精品| 亚洲精品久久午夜乱码| 久久精品国产亚洲av涩爱| 黑人猛操日本美女一级片| 精品亚洲成国产av| 七月丁香在线播放| 久久精品国产a三级三级三级| 成人手机av| 欧美国产精品va在线观看不卡| 大香蕉久久网| 久久 成人 亚洲| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | av天堂久久9| 美女中出高潮动态图| av片东京热男人的天堂| 涩涩av久久男人的天堂| av免费在线看不卡| 国产日韩欧美亚洲二区| 桃花免费在线播放| 国产在线一区二区三区精| 日韩中字成人| 在线观看www视频免费| 久久久亚洲精品成人影院| 亚洲四区av| 最近中文字幕2019免费版| 黄色毛片三级朝国网站| 国产白丝娇喘喷水9色精品| 校园人妻丝袜中文字幕| 18禁国产床啪视频网站| 色哟哟·www| 夜夜爽夜夜爽视频| 2018国产大陆天天弄谢| 一区二区日韩欧美中文字幕 | av在线app专区| 免费观看a级毛片全部| 一本大道久久a久久精品| 精品亚洲乱码少妇综合久久| 男人爽女人下面视频在线观看| 黑人巨大精品欧美一区二区蜜桃 | 国产成人a∨麻豆精品| 少妇的逼水好多| 日本vs欧美在线观看视频| 97精品久久久久久久久久精品| 国产成人精品福利久久| 男女边吃奶边做爰视频| 丁香六月天网| 国产一区二区在线观看日韩| 午夜激情av网站| videosex国产| 国产亚洲午夜精品一区二区久久| 精品99又大又爽又粗少妇毛片| 欧美日韩一区二区视频在线观看视频在线| 国产精品欧美亚洲77777| 欧美成人精品欧美一级黄| 免费观看av网站的网址| 两个人看的免费小视频| 97在线人人人人妻| 一边亲一边摸免费视频| 97人妻天天添夜夜摸| 五月开心婷婷网| 国产男女内射视频| 欧美成人精品欧美一级黄| 日本-黄色视频高清免费观看| 成人18禁高潮啪啪吃奶动态图| av黄色大香蕉| 亚洲精品,欧美精品| 婷婷色综合www| 国产在线视频一区二区| 又粗又硬又长又爽又黄的视频| 侵犯人妻中文字幕一二三四区| 看免费成人av毛片| 亚洲国产av影院在线观看| 女性被躁到高潮视频| 精品一品国产午夜福利视频| 蜜臀久久99精品久久宅男| 久久韩国三级中文字幕| 日韩电影二区| 日韩精品有码人妻一区| 国产精品99久久99久久久不卡 | 黄色视频在线播放观看不卡| 看十八女毛片水多多多| 精品久久国产蜜桃| 国产深夜福利视频在线观看| 1024视频免费在线观看| 美国免费a级毛片| 色5月婷婷丁香| 亚洲国产欧美在线一区| 在线亚洲精品国产二区图片欧美| 久久免费观看电影| 亚洲成人手机| 精品一品国产午夜福利视频| 国产日韩欧美在线精品| 欧美精品人与动牲交sv欧美| 99久久综合免费| 免费在线观看完整版高清| 五月玫瑰六月丁香| 狠狠精品人妻久久久久久综合| 国产女主播在线喷水免费视频网站| 日日摸夜夜添夜夜爱| 少妇被粗大的猛进出69影院 | 黄色毛片三级朝国网站| 赤兔流量卡办理| 一本—道久久a久久精品蜜桃钙片| 欧美丝袜亚洲另类| 伊人亚洲综合成人网| 欧美日韩国产mv在线观看视频| 亚洲性久久影院| 少妇的逼好多水| 极品少妇高潮喷水抽搐| 国产一区二区三区av在线| 男人爽女人下面视频在线观看| 精品酒店卫生间| 亚洲成国产人片在线观看| 久久人人爽人人片av| 日韩熟女老妇一区二区性免费视频| 亚洲欧洲日产国产| 国产色爽女视频免费观看| 国产国语露脸激情在线看| 麻豆乱淫一区二区| 免费观看在线日韩| 少妇猛男粗大的猛烈进出视频| 18禁国产床啪视频网站| 欧美精品国产亚洲| 韩国精品一区二区三区 | 建设人人有责人人尽责人人享有的| 在线天堂最新版资源| 国产成人免费无遮挡视频| a级片在线免费高清观看视频| 国产精品人妻久久久影院| 欧美成人午夜免费资源| 如日韩欧美国产精品一区二区三区| 美女国产高潮福利片在线看| 国产av精品麻豆| xxxhd国产人妻xxx| 午夜影院在线不卡| 日本色播在线视频| 好男人视频免费观看在线| 久久婷婷青草| 色婷婷av一区二区三区视频| 免费看av在线观看网站| 91午夜精品亚洲一区二区三区| av电影中文网址| 五月开心婷婷网| 久久热在线av| 日韩欧美一区视频在线观看| 各种免费的搞黄视频| 亚洲美女搞黄在线观看| 国产一区二区三区av在线| 久久人人爽人人片av| 高清黄色对白视频在线免费看| 国产成人午夜福利电影在线观看| 亚洲色图 男人天堂 中文字幕 | 久久久欧美国产精品| 大片电影免费在线观看免费| 精品人妻一区二区三区麻豆| 久久免费观看电影| 久久热在线av| 日韩一区二区视频免费看| 欧美日韩精品成人综合77777| 精品国产国语对白av| 国产伦理片在线播放av一区| 在线观看三级黄色| 内地一区二区视频在线| 日韩人妻精品一区2区三区| av卡一久久| 国产探花极品一区二区| 午夜久久久在线观看| 一级爰片在线观看| 午夜久久久在线观看| 大片免费播放器 马上看| 国产精品熟女久久久久浪| 国产毛片在线视频| 免费av中文字幕在线| 97在线人人人人妻| 中国三级夫妇交换| av在线app专区| 日本wwww免费看| 精品亚洲乱码少妇综合久久| 极品人妻少妇av视频| 亚洲伊人色综图| 国产一区二区在线观看av| videos熟女内射| 99热网站在线观看| 男女午夜视频在线观看 | 老司机影院成人| 香蕉丝袜av| av不卡在线播放| 亚洲第一区二区三区不卡| av不卡在线播放| 人成视频在线观看免费观看| 久久久久网色| 男女边摸边吃奶| 国产69精品久久久久777片| 国产 一区精品| 久久久久久人人人人人| 99香蕉大伊视频| 黑人巨大精品欧美一区二区蜜桃 | 高清毛片免费看| 七月丁香在线播放| 精品人妻熟女毛片av久久网站| 黄片播放在线免费| 十八禁网站网址无遮挡| 亚洲 欧美一区二区三区| 亚洲中文av在线| 精品卡一卡二卡四卡免费| 国产伦理片在线播放av一区| 在线观看美女被高潮喷水网站| 久久久久精品人妻al黑| 亚洲色图综合在线观看| 亚洲性久久影院| 观看美女的网站| 不卡视频在线观看欧美| 亚洲 欧美一区二区三区| 九草在线视频观看| 美女内射精品一级片tv| 欧美日韩一区二区视频在线观看视频在线| 一本久久精品| 满18在线观看网站| 国产黄色视频一区二区在线观看| 欧美日韩成人在线一区二区| 如何舔出高潮| www.色视频.com| 丝袜喷水一区| 欧美精品国产亚洲| 成年动漫av网址| 亚洲欧洲精品一区二区精品久久久 | 久久久久精品人妻al黑| 精品第一国产精品| 黄色一级大片看看| 亚洲精品av麻豆狂野| 亚洲在久久综合| 亚洲,一卡二卡三卡| 国产精品人妻久久久久久| 免费高清在线观看日韩| 最近中文字幕高清免费大全6| 久久久久久久久久成人| 色视频在线一区二区三区| 18禁国产床啪视频网站| 国国产精品蜜臀av免费| 欧美97在线视频| √禁漫天堂资源中文www| 午夜免费观看性视频| 黑人猛操日本美女一级片| kizo精华| 午夜免费鲁丝| 大香蕉久久网| videossex国产| 国产av码专区亚洲av| 一本大道久久a久久精品| 精品熟女少妇av免费看| 99热全是精品| 18禁裸乳无遮挡动漫免费视频| 国产又爽黄色视频| 免费av中文字幕在线| 亚洲国产精品999| 七月丁香在线播放| 最近手机中文字幕大全| 肉色欧美久久久久久久蜜桃| 中文字幕精品免费在线观看视频 | 久久久久人妻精品一区果冻| 国产精品不卡视频一区二区| 9色porny在线观看| 亚洲,欧美,日韩| 国产免费视频播放在线视频| 欧美日本中文国产一区发布| 在线 av 中文字幕| 日韩中字成人| 午夜视频国产福利| 丰满少妇做爰视频| 香蕉国产在线看| 欧美97在线视频| 国产免费视频播放在线视频| 亚洲精品日韩在线中文字幕| 老女人水多毛片| 两个人看的免费小视频| 国产免费福利视频在线观看| 午夜精品国产一区二区电影| 激情五月婷婷亚洲| 99视频精品全部免费 在线| 另类精品久久| 中文精品一卡2卡3卡4更新| 国产一区二区激情短视频 | 亚洲精华国产精华液的使用体验| 日韩免费高清中文字幕av| 男人操女人黄网站| 午夜免费观看性视频| 久久精品国产综合久久久 | 精品亚洲成国产av| 亚洲精品久久午夜乱码| 久久久久久久久久久久大奶| 日韩制服丝袜自拍偷拍| 久久热在线av| 男女下面插进去视频免费观看 | 夫妻午夜视频| 人体艺术视频欧美日本| 丝袜在线中文字幕| 一级毛片电影观看| 日本免费在线观看一区| 中文字幕亚洲精品专区| www.熟女人妻精品国产 | 黄网站色视频无遮挡免费观看| 各种免费的搞黄视频| www.av在线官网国产| 秋霞在线观看毛片| 五月玫瑰六月丁香| 久久精品人人爽人人爽视色| 丰满饥渴人妻一区二区三| 日韩中文字幕视频在线看片| 成人免费观看视频高清| 麻豆乱淫一区二区| 国产成人精品婷婷| 久久女婷五月综合色啪小说| 欧美丝袜亚洲另类| 午夜久久久在线观看| 精品国产露脸久久av麻豆| 女的被弄到高潮叫床怎么办| 狂野欧美激情性xxxx在线观看| 永久网站在线| 久久精品国产亚洲av天美| 国产精品女同一区二区软件| 大话2 男鬼变身卡| 亚洲精品一区蜜桃| 黄色怎么调成土黄色| 亚洲精品自拍成人| 国产成人精品一,二区| 99久久综合免费|